基于关联规则数据挖掘技术在音乐分类中应用

发布时间：2021-07-19 11:55

　　为了提高音乐分类的精准性及个性化,提出基于关联规则的数据挖掘技术在音乐分类中的使用,解决单一轨道提取的局限性问题。首先,对音乐文件预处理进行分析,主要包括提取主旋律、分析和声;之后,对基于FP_Growth关联规则挖掘算法的音乐风格进行分析。因为FP_Growth算法只需要扫描两遍原始数据,对原始数据进行压缩具有较高的效率,所以将FP_Growth关联规则挖掘算法应用于音乐媒体的风格分类中,并且创建基于FP_Growth关联规则挖掘的音乐风格分类,减少所需频繁项集的数量,从而提高数据库扫描速度,在此过程中不需要候选项集,实现音乐分类过程中的数据挖掘;最后,对数据挖掘的效率进行Matlab测试,测试结果表示,相比基于LAD和Apriori算法的音乐风格分类,基于FP_Growth的音乐风格分类减少了I/O开销,提高了运行效率和分类的精准性。 

【文章来源】：现代电子技术. 2020,43(01)北大核心

【文章页数】：4 页

【部分图文】：

FP-tree节点

运行时间比较

【参考文献】：
期刊论文
[1]基于节点表的FP-Growth算法改进[J]. 王建明,袁伟.  计算机工程与设计. 2018(01)
[2]基于特征旋律挖掘的二阶马尔可夫链在算法作曲中的研究与应用[J]. 郑银环,王嘉珺,郭威,王备战.  计算机应用研究. 2018(03)
[3]基于LDA模型的音乐推荐算法[J]. 李博,陈志刚,黄瑞,郑祥云.  计算机工程. 2016(06)



本文编号：3290654